是否可以使用R(dplyr)对所有其他列的实例进行分组和计数?例如,以下数据框
x a b c
1 0 0 0
1 1 0 1
1 2 2 1
2 1 2 1
转到此(注意:y是正在计算的值)
编辑: - 解释转换,x是我分组的,对于每个分组的数字,我想计算0和1和2被提及的次数,如在转换的数据帧的第一行中,我们计算了x = 1在其他列(y)中等于0的次数,因此0列在列一次,列b两次,列c一次
x y a b c
1 0 1 2 1
1 1 1 0 2
1 2 1 1 0
2 1 1 0 1
2 2 0 1 0
答案 0 :(得分:5)
结合使用 data.table 或 reshape2 的melt
和dcast
函数的方法:
library(data.table) # v1.9.5+
dt.new <- dcast(melt(setDT(df), id.vars="x"), x + value ~ variable)
这给出了:
dt.new
# x value a b c
# 1: 1 0 1 2 1
# 2: 1 1 1 0 2
# 3: 1 2 1 1 0
# 4: 2 1 1 0 1
# 5: 2 2 0 1 0
在dcast
中,您可以指定要使用的聚合函数,但在这种情况下,这不是必需的,因为默认聚合函数是length
。如果不使用聚合函数,您将收到有关该函数的警告:
缺少聚合函数:默认为长度
此外,如果您没有将数据框显式转换为数据表,data.table
将重定向到reshape2
(请参阅评论中@Arun的说明)。因此,此方法也可以与reshape2
一起使用:
library(reshape2)
df.new <- dcast(melt(df, id.vars="x"), x + value ~ variable)
使用过的数据:
df <- read.table(text="x a b c
1 0 0 0
1 1 0 1
1 2 2 1
2 1 2 1", header=TRUE)
答案 1 :(得分:4)
我使用了来自gather
软件包的spread
和tidyr
以及来自count
的{{1}}的组合:
dplyr
基本上,您首先将数据集的格式更改为:
library(dplyr)
library(tidyr)
df = data.frame(x = c(1,1,1,2), a = c(0,1,2,1), b = c(0,0,2,2), c = c(0,1,1,1))
res = df %>%
gather(variable, value, -x) %>%
count(x, variable, value) %>%
spread(variable, n, fill = 0)
# Source: local data frame [5 x 5]
#
# x value a b c
# 1 1 0 1 2 1
# 2 1 1 1 0 2
# 3 1 2 1 1 0
# 4 2 1 1 0 1
# 5 2 2 0 1 0
允许您使用head(df %>%
gather(variable, value, -x))
# x variable value
#1 1 a 0
#2 1 a 1
#3 1 a 2
#4 2 a 1
#5 1 b 0
#6 1 b 0
获取有关某些值在count
到a
列中出现的频率的信息。之后,使用c
将数据集重新格式化为所需格式。